-
公开(公告)号：CN116881668A
公开(公告)日：2023-10-13
申请号：CN202311058259.7
申请日：2023-08-22
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地 , 海南俊码数据研究院有限公司
Inventor： 庄园 , 樊泽楷 , 刘昊洋 , 王诚 , 段毅航 , 蔡成涛 , 王巍 , 李承国 , 王小芳 , 杨明刚 , 陈征平 , 陈志远 , 李晋 , 曹雪 , 冯晓宁 , 付岩 , 关键 , 兰海燕 , 李智慧 , 刘海波
IPC: G06F18/20 , G06F18/22 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明提出基于跨模态预训练模型的智能合约相似性检测方法，包括：构建智能合约的控制流图；提取所述智能合约中的注释信息，将所述控制流图与所述注释信息进行对应，获取对应图；将所述对应图中的信息输入预设的跨模态预训练模型，获取合约的特征表示向量；基于所述特征表示向量，通过阈值进行合约相似性的判定。本发明能实现高精度智能合约语义相似性检测。
-
公开(公告)号：CN116821239A
公开(公告)日：2023-09-29
申请号：CN202310770629.3
申请日：2023-06-28
Applicant: 哈尔滨工程大学 , 哈尔滨工程大学三亚南海创新发展基地
Inventor： 张可佳 , 刘志颖 , 潘海为 , 蔡成涛 , 王巍 , 王春才 , 王小芳 , 陈征平 , 王宇华 , 兰海燕 , 李智慧 , 曲立平 , 史长亭 , 江俊慧 , 孙宝丹 , 李丽洁
IPC: G06F16/27 , H04L67/1097 , H04L9/40 , H04L69/163 , G06F16/25 , G06F16/2453 , G06F16/2455 , G06F16/2458 , G06F9/48 , G06F9/50 , G06F21/31 , G06F21/60 , G06F21/62
Abstract: 本发明公开了一种基于云平台的船舶虚拟试验储算分离系统，包括，客户端模块，为整体系统的最外层，用于直接与用户进行交互，向用户提供API并发挥任务执行的结果；分布式查询模块，与客户端模块连接，用于在接收到客户端模块发送的任务后对任务进行解析操作，再访问储算调度模块完成具体任务后获得结果并发送至客户端模块；分布式存储模块，与分布式查询模块连接，用于对整个系统中的数据进行存储且加密，进而为储算调度模块和分布式查询模块提供数据支持；储算调度模块，分别与分布式查询模块和分布式查询模块连接，用于负责进行有效的数据缓存，并对整个系统的存储进行调度。本发明提高了云计算平台的存储效率、查询效率和计算效率。
-
公开(公告)号：CN116741204A
公开(公告)日：2023-09-12
申请号：CN202310768780.3
申请日：2023-06-28
Applicant: 哈尔滨工程大学
IPC: G10L25/51 , G10L25/24 , G06F18/214
Abstract: 本发明公开了一种基于层次元数据信息约束的异常声音检测方法，将待检测声音的音频波形转换为Log‑Mel谱频特征，然后输入至预先训练的特征提取器中，得到高级音频特征#imgabs0#计算高级音频特征#imgabs1#与待检测声音对应机器ID的每个属性组中心cm的马氏距离，选取其中最小值作为异常分数A，M为对应机器ID下的属性组个数，当A大于给定阈值时，判定待检测声音为异常声音；所述属性组中心cm为训练集音频片段经过预先训练的特征提取器得到的高级音频特征的平均值；本发明设计了元数据信息树结构，充分利用元数据信息提取更精细的特征，有效地提升异音检测系统的性能，解决现有工业异音检测方法在域偏移下性能不足，检测结果可信度低的问题。
-
公开(公告)号：CN113783782A
公开(公告)日：2021-12-10
申请号：CN202111053638.8
申请日：2021-09-09
Applicant: 哈尔滨工程大学
IPC: H04L12/751 , G06N3/04 , G06N3/08 , H04B11/00 , H04B13/02
Abstract: 本发明属于水下声学传感器网络技术领域，具体涉及一种深度强化学习的机会路由候选集节点排序方法。本发明克服了现有机会路由候选集节点排序算法存在考虑因素单一和适应性差等问题，利用深度强化学习智能体与水下机会路由网络模型进行交互，使用深度神经网络拟合候选集节点信息与节点转发优先级的关系。本发明结合了深度学习和强化学习的优势，智能体通过与水下机会路由网络模型交互来自动学到一个机会路由候选集节点排序算法，此过程极少依赖人工经验和外部数据信息。本发明使得候选集节点排序更加智能，且适应性更好。
-
公开(公告)号：CN103077366A
公开(公告)日：2013-05-01
申请号：CN201310020290.1
申请日：2013-01-19
Applicant: 哈尔滨工程大学
IPC: G06K7/00
Abstract: 本发明提供的是一种多通道数据接口射频识别装置及数据传输方法。包括射频模块、采集模块和电源。射频模块包含天线、射频前端、微控制器A、存储A和时钟A，采集模块包含存储B、微控制器B、时钟B、模数转换、模拟接口和数字接口。数据传输方法包括射频模块初始化，在定时发送周期内，读取指定通道数据，加载标签数据包并发送数据，若需要应答则等待接收应答数据，若接收到应答数据，判断是否有未发送数据与是否有时间重发，条件满足则发送暂存数据并重复执行相关程序；方法中还包括采集模块初始化，读取指定通道数据，暂存通道数据及重复执行。本发明有效解决了利用RFID对多个通道数据的采集与实时传输问题。
-
Patent Agency Ranking
-
公开(公告)号：CN111767810B
公开(公告)日：2022-08-02
申请号：CN202010558654.1
申请日：2020-06-18
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于D‑LinkNet的遥感图像道路提取方法，包括如下步骤：S1：将特征图输入D‑LinkNet网络后，在基于残差网络与迁移学习的编码器子网络中完成处理；S2：将步骤S1输出的特征图输入到基于扩张卷积与卷积块注意力模块的特征提取子网络中进行特征提取；S3：经过前两个子网络的处理后得到的特征图进入基于转置卷积的解码器子网络中实现图像的恢复。本发明能够对遥感图像中的道路特征下采样，很好地避免了网络的退化问题，同时加强道路特征的提取；能够使用扩张卷积扩增感受野，在不增加下采样的同时，感知更大范围内的道路特征，并进行特征提取，能够很好地应对遥感图像中道路部分占幅比例过小的问题。
-
公开(公告)号：CN113838064A
公开(公告)日：2021-12-24
申请号：CN202111115253.X
申请日：2021-09-23
Applicant: 哈尔滨工程大学
Abstract: 本发明属于遥感图像处理技术领域，具体涉及一种基于分支GAN使用多时相遥感数据的云去除方法。本发明设计了一个深度卷积编码器‑解码器网络模型用于遥感图像云检测，以及一个分支GAN模型用于遥感图像的云去除，在保证云去除效果的同时，提升了重建像素的分辨率。本发明利用最大池化索引来进行输入图像特征图的非线性上采样，减少了端到端训练的参数量，提高了网络训练的时间；采用分支UNet结构来融合多时相遥感图像的特征信息，通过共享底层的语义信息，有效提高遥感图像云去除的精度。
-
公开(公告)号：CN111935230A
公开(公告)日：2020-11-13
申请号：CN202010667165.X
申请日：2020-07-13
Applicant: 哈尔滨工程大学
IPC: H04L29/08 , H04L12/863 , G06F12/0877 , G06F5/06
Abstract: 本发明一种基于多级人气指数的协作边缘缓存方法，包括如下步骤：步骤一：在有中心拓扑的边缘缓存模型的基础上，引入协作机制；步骤二：在协作机制的基础上，提出响应型的缓存策略；步骤三：引入多级人气指数概念，使将内容分级；所述步骤三具体为：人气指数系数 和 将用户请求内容的人气指数 分为三级，每一级使用不同的缓存淘汰策略；该缓存策略算法实现简单，对于边缘节点的计算性能要求较低，多种编程语言均可以实现，各类操作系统都可以部署该算法，不依赖特定的开发环境；根据不同的用户请求分布可以根据其进行仿真再设置相应的最优的人气指数等级系数，以发挥边缘缓存的最佳性能。
-
公开(公告)号：CN110474883A
公开(公告)日：2019-11-19
申请号：CN201910669487.5
申请日：2019-07-24
Applicant: 哈尔滨工程大学
IPC: H04L29/06
Abstract: 一种基于重标极差法的SDN异常流量检测方法，属于计算机网络安全技术领域。该方法包括收集SDN各节点(包括控制器和各用户终端)的正常网络流量包数量，分别计算其Hurst指数；保存并作为网络正常指标，设定正常状态的阈值；收集各节点发生某种已知异常的网络流量包数量，计算各节点Hurst指数作为该异常的指标；用窗函数截取前向序列并计算其Hurst指数，若由正常指标最终变为某种异常指标，即可确定该模式的异常发生并确定发生异常时刻点。若只是指标变化偏离了正常值，但不能找到相近的异常指标，则发生了已知模式之外的异常，并能够确定异常时刻点。本发明可以实时检测流量状态，判断流量是否异常，并且能够检测异常发生时刻，有利于加强SDN网络系统的安全性。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.059 seconds)
